Mistral Large 2411 (123B) — 必要VRAM・量子化マトリクス & 推奨GPUガイド
Mistral Large 2411 (123B)（Mistral、Mistral Research）は常駐パラメータ 123B（トークンあたり有効 123B）、88 層、最大 131,072 コンテキストトークンに対応する グループ化クエリアテンション (GQA) 採用の Dense Transformer（密モデル） アーキテクチャです。
Mistral Large 2411 (123B) インタラクティブ・メモリ & コンテキストシミュレーター
精度・量子化別 VRAMマトリクス（8K / 32K / 128K コンテキスト）
| 精度 / 形式 | 実効 bpw | 重みのみ | 合計 @ 8K ctx | 合計 @ 32K ctx | 合計 @ 128K ctx | 推奨構成 (@ 32K) |
|---|---|---|---|---|---|---|
| FP16 / BF16 | 16.00 bpw | 229.11 GB | 240.37 GB | 248.62 GB | 281.62 GB | Mac Studio 512GB |
| FP8 | 8.50 bpw | 121.71 GB | 129.75 GB | 138.00 GB | 171.00 GB | Mac Studio 192GB |
| Q8_0 | 8.50 bpw | 121.71 GB | 129.75 GB | 138.00 GB | 171.00 GB | Mac Studio 192GB |
| Q6_K | 6.56 bpw | 93.93 GB | 101.14 GB | 109.39 GB | 142.39 GB | NVIDIA H200 141GB |
| Q5_K_M | 5.69 bpw | 81.48 GB | 88.31 GB | 96.56 GB | 129.56 GB | Mac Studio 128GB |
| Q4_K_M | 4.85 bpw | 69.45 GB | 75.92 GB | 84.17 GB | 117.17 GB | RTX PRO 6000 96GB |
| AWQ INT4 | 4.50 bpw | 64.44 GB | 70.76 GB | 79.01 GB | 112.01 GB | RTX PRO 6000 96GB |
| IQ4_XS | 4.25 bpw | 60.86 GB | 67.07 GB | 75.32 GB | 108.32 GB | NVIDIA A100 80GB |
ハードウェア互換性 & デコード速度（Mistral Large 2411 (123B) @ Q4_K_M, 32K コンテキスト）
| ハードウェア構成 | メモリ & 帯域幅 | 必要量 (32K) | 収容判定 | 推定デコード速度 |
|---|---|---|---|---|
| RTX 3090 24GB | 24 GB · 936 GB/s | 84.17 GB (351%) | メモリ不足 (OOM) | — |
| RTX 4090 24GB | 24 GB · 1008 GB/s | 84.17 GB (351%) | メモリ不足 (OOM) | — |
| RTX 5090 32GB | 32 GB · 1792 GB/s | 84.17 GB (263%) | メモリ不足 (OOM) | — |
| Apple M-Max 64GB | 64 GB · 546 GB/s | 82.79 GB (129%) | メモリ不足 (OOM) | — |
| Mac Studio 128GB | 128 GB · 546 GB/s | 82.79 GB (65%) | 余裕で収容可能 | 3.7 tok/s |
| Mac Studio 192GB | 192 GB · 800 GB/s | 82.79 GB (43%) | 余裕で収容可能 | 5.5 tok/s |
| NVIDIA A100 80GB | 80 GB · 2039 GB/s | 84.17 GB (105%) | メモリ不足 (OOM) | — |
| NVIDIA H100 80GB | 80 GB · 3350 GB/s | 84.17 GB (105%) | メモリ不足 (OOM) | — |
検証済み Transformer アーキテクチャ仕様
- Checkpoint ID
- mistralai/Mistral-Large-Instruct-2411
- Ollama Tag
- mistral-large:123b
- License / Release
- Mistral Research · 2024-Q4
- 構造 & アテンション
- Dense Transformer（密モデル）
- アテンション機構
- グループ化クエリアテンション (GQA)
- 総パラメータ数 (B)
- 123B
- 有効パラメータ / Token (B)
- 123B
- 隠れ層数 (Layers) / 隠れ層次元 (Hidden Size)
- 88 / 12288
- クエリヘッド数 / KVヘッド数
- 96Q / 8KV (d=128)
- Vocab / Max Position
- 32,768 / 131,072
量子化フォーマットはパックされた整数重みに加えてブロック単位のスケール係数とゼロポイントを保持します。4bit GGUF の Q4_K_M はパラメータあたり平均 4.85 実効ビット（4.00ではない）、Q8_0 は平均 8.50 bpw を消費します。Mixture-of-Experts モデルではトークンごとのホストページングを防ぐため、ルーティング対象および共有エキスパートのすべてがメモリ上に常駐します。
標準的な Grouped-Query Attention は全層で 2 × L × H_kv × d_head × S × B × bytes_kv を確保します。DeepSeek Multi-head Latent Attention (MLA) はKeyとValueを L × (d_kv_lora + d_qk_rope) × S × B × bytes_kv へ圧縮し、長文脈メモリを90%以上削減します。ハイブリッド・スライディングウィンドウはローカル層の消費を min(S, window_size) に抑えつつグローバル層のみ S に比例して拡張します。
Mistral Large 2411 (123B) 用 vLLM & Ollama クイック起動コマンド
vllm serve mistralai/Mistral-Large-Instruct-2411 \
--tensor-parallel-size 1 \
--max-model-len 32768 \
--max-num-seqs 8 \
--gpu-memory-utilization 0.95 \
--kv-cache-dtype fp8 \
--enable-prefix-caching \
--port 8000# Save as Modelfile, then run: ollama create mistral-large-123b-custom -f Modelfile
FROM mistral-large:123b
PARAMETER num_ctx 32768
PARAMETER num_batch 512
PARAMETER flash_attn true
# Environment variables for ollama serve:
# OLLAMA_NUM_PARALLEL=8 OLLAMA_FLASH_ATTENTION=1 OLLAMA_KV_CACHE_TYPE=q8_0 ollama serve同系列・同規模のオープンウェイトモデルを比較
Mistral Small 3.1 (24B)
Mistral · 24B (GQA)
Devstral Small (24B SWE Agent)
Mistral · 23.6B (GQA)
Codestral 22B
Mistral · 22.2B (GQA)
Cohere Command A (111B)
Cohere · 111B (HYBRID_SWA)
Llama 4 Scout (109B / 17B-16E MoE)
Meta Llama · 109B (HYBRID_SWA)
Qwen2.5-72B-Instruct
Qwen · 72.7B (GQA)